企业官网建设流程全解析

1. 为什么我要把热点新闻塞进电报群：n8n 计划触发器定时推送的真实场景

每天手动刷微博热搜、知乎热榜、GitHub Trending，再挑几条发到群里，这件事我坚持了不到一周就放弃了。不是懒，是重复劳动太消耗注意力。后来我把这套流程拆成了三个动作：定时抓取、AI 摘要筛选、推送到电报群聊。n8n 的计划触发器负责“到点干活”，HTTP 请求节点负责“拿数据”和“调模型”，电报节点负责“发出去”。整条链路跑通之后，我每天早上八点半打开电报，群里已经躺着一份整理好的热点清单。

这套方案适合谁？如果你有 n8n 基础环境，想让 AI 帮你做信息过滤，又不想写太多胶水代码，那它很合适。n8n 本身是低代码工作流工具，计划触发器就是它的定时器，HTTP 请求节点是万能连接器，AI Agent 节点负责理解和改写内容。三者串起来，就是一个自动化的“新闻秘书”。

核心检索词先摆出来：n8n 计划触发器、HTTP 请求节点、AI Agent、电报群聊推送。这四个词贯穿全文，你照着配就能复现。我实测下来，整个工作流从触发到消息到达群聊，稳定在 6 到 12 秒之间，取决于新闻 API 的响应速度和模型生成摘要的长度。

先讲清楚整体数据流：计划触发器按 Cron 表达式唤醒工作流，第一个 HTTP 请求节点去拉热点新闻列表，第二个 HTTP 请求节点把新闻原文发给 TaoToken 的模型接口做摘要和筛选，最后电报节点把整理好的 Markdown 文本发到指定群聊。中间可以加一个 Code 节点做数据裁剪，避免把整篇新闻原文塞给模型浪费 token。

这里有个容易踩的坑：新闻 API 返回的往往是嵌套 JSON，字段名不统一。有的用title，有的用name，有的把热度放在hot里。你需要在 HTTP 请求节点之后加一个 Set 节点或者 Code 节点，把字段统一成title和url，不然后面 AI 提示词里引用字段会报 undefined。我试过直接拿原始 JSON 喂给模型，结果模型把字段名也当成新闻内容总结了，输出一堆“title: xxx”的废话。

另一个坑是时区。n8n 默认用 UTC，计划触发器里如果写0 8 * * *，实际执行时间是北京时间下午四点。你需要在工作流设置里把时区改成Asia/Shanghai，或者在 Cron 表达式里手动减 8 小时。我建议直接改工作流时区，一劳永逸。

电报群聊的配置也有讲究。你需要先找 BotFather 创建机器人，拿到 Bot Token，再把机器人拉进目标群聊，最后通过getUpdates接口拿到群聊的 Chat ID。Chat ID 通常是负数，比如-1001234567890。这个 ID 填到电报节点的 Chat ID 字段里，消息才能准确投递。如果填错，电报 API 会返回chat not found，但 n8n 的电报节点报错信息比较模糊，你最好先用 curl 测一下。

整套流程的产出效果是这样的：群里收到一条 Markdown 格式的消息，标题是“今日热点摘要”，下面分点列出 8 到 10 条新闻，每条包含一句话摘要和原文链接。AI 会自动去掉重复内容，把同一事件的不同报道合并成一条。你还可以在提示词里加关键词过滤，比如“只保留科技和编程相关”，这样娱乐八卦就不会混进来。

2. TaoToken 前置准备：统一 Key 与 HTTP 请求节点接入 n8n 的配置要点

在 n8n 里调用 AI 模型，最省事的方式是用 HTTP 请求节点直接打 API，而不是装一堆社区节点。TaoToken 提供统一的 Base URL 和 Key，兼容 OpenAI 风格的/v1/chat/completions接口，你不需要为每个模型单独配一套认证。官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 根地址是 https://taotoken.net/api ，注意 API 地址后面不加 UTM 参数。

你需要准备三样东西：Base URL、API Key、Model ID。Base URL 填https://taotoken.net/api/v1，API Key 在控制台的 API Keys 页面生成，Model ID 根据你想要的模型填，比如claude-sonnet-4-20250514或者gpt-4o-mini。这三个值在 n8n 的 HTTP 请求节点里会用到，缺一不可。

先登录控制台创建 Key。打开 https://taotoken.net/console ，找到 API Keys 菜单，点“创建新 Key”，复制生成的字符串。这个 Key 只显示一次，丢了就得重新建。我习惯把它存到 n8n 的 Credentials 里，类型选“Header Auth”，Name 填Authorization，Value 填Bearer sk-你的Key。这样在 HTTP 请求节点里直接选这个 Credential，不用每次手填。

模型 ID 怎么选？如果你只是做新闻摘要，gpt-4o-mini或者claude-haiku这类轻量模型就够了，速度快、成本低。如果你要模型做深度分析和跨平台聚合，那就上claude-sonnet或者gpt-4o。我实测下来，摘要 10 条新闻用轻量模型大概消耗 800 到 1200 token，成本可以忽略不计。

TaoToken 的接口路径是/v1/chat/completions，请求方法是 POST，Content-Type 是application/json。请求体里需要包含model、messages、temperature这几个字段。messages是一个数组，里面放system和user两条消息。system用来设定角色，比如“你是一个新闻摘要助手”；user用来放新闻原文和具体指令。

这里有个细节：n8n 的 HTTP 请求节点默认把 Body 当成 JSON 发，但如果你在 Body 里用了表达式引用上游节点的数据，要确保表达式返回的是字符串而不是对象。比如{{ $json.newsList }}如果本身是数组，直接塞进 JSON Body 会变成嵌套对象，模型接口可能解析失败。正确做法是用{{ JSON.stringify($json.newsList) }}转成字符串。

另外，TaoToken 的接口支持流式输出，但在 n8n 里建议关掉 stream，因为电报节点需要等完整响应才能发消息。流式输出会让 HTTP 请求节点提前返回，拿到的内容不完整。在请求体里加"stream": false就行。

如果你打算长期跑这个工作流，建议用 Coding Plan 而不是按量计费。Coding Plan 的入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite ，适合每天定时调用、token 消耗稳定的场景。我算过一笔账，每天跑一次、每次 1000 token，一个月下来按量计费也就几块钱，但 Coding Plan 的额度更充裕，不用担心突发流量。

配置完 Key 之后，先别急着搭完整工作流。你可以用模型对话页面 https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite 手动测一下模型能不能正常返回。输入一段新闻文本，看输出格式是否符合预期。这一步能帮你排除 Key 无效、模型 ID 写错、余额不足等问题。等手动测试通过了，再回到 n8n 里配 HTTP 请求节点。

3. 可复制的 n8n 工作流 JSON 与 HTTP 请求节点配置

这一节直接给你能导入的 JSON。打开 n8n，点右上角“Import from File”或者“Import from URL”，把下面的 JSON 粘贴进去。导入后你会看到四个节点：计划触发器、获取新闻的 HTTP 请求、调用 AI 的 HTTP 请求、发送电报的消息节点。节点之间的连线已经配好，你只需要替换 API Key、Chat ID 和模型 ID。

{ "name": "DailyHotNewsToTelegram", "nodes": [ { "parameters": { "rule": { "interval": [ { "field": "cronExpression", "expression": "30 0 * * *" } ] } }, "name": "Schedule Trigger", "type": "n8n-nodes-base.scheduleTrigger", "typeVersion": 1.2, "position": [200, 300] }, { "parameters": { "url": "https://api.vvhan.com/api/hotlist/all", "options": { "response": { "response": { "responseFormat": "json" } } } }, "name": "Fetch Hot News", "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [450, 300] }, { "parameters": { "method": "POST", "url": "https://taotoken.net/api/v1/chat/completions", "authentication": "genericCredentialType", "genericAuthType": "httpHeaderAuth", "sendBody": true, "bodyParameters": { "parameters": [ { "name": "model", "value": "gpt-4o-mini" }, { "name": "stream", "value": false }, { "name": "temperature", "value": 0.3 }, { "name": "messages", "value": "={{ [{\"role\":\"system\",\"content\":\"你是一个新闻摘要助手，请从用户提供的新闻列表中筛选出最重要的8条，去除重复内容，每条用一句话概括，并附上原文链接。输出格式为Markdown列表。\"},{\"role\":\"user\",\"content\": JSON.stringify($json.data) }] }}" } ] }, "options": {} }, "name": "AI Summarize", "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [700, 300] }, { "parameters": { "chatId": "-1001234567890", "text": "={{ $json.choices[0].message.content }}", "additionalFields": { "parse_mode": "Markdown" } }, "name": "Send to Telegram", "type": "n8n-nodes-base.telegram", "typeVersion": 1.2, "position": [950, 300] } ], "connections": { "Schedule Trigger": { "main": [[{"node": "Fetch Hot News", "type": "main", "index": 0}]] }, "Fetch Hot News": { "main": [[{"node": "AI Summarize", "type": "main", "index": 0}]] }, "AI Summarize": { "main": [[{"node": "Send to Telegram", "type": "main", "index": 0}]] } } }

导入后先别执行，按顺序改三个地方。第一，计划触发器的 Cron 表达式30 0 * * *表示 UTC 时间每天 0:30，对应北京时间 8:30。如果你想改时间，直接改这个表达式，但记得工作流时区要设成Asia/Shanghai，否则时间会偏。第二，AI Summarize 节点的 Credential 要选你之前建的 Header Auth，Model ID 按需替换。第三，Send to Telegram 节点的 Chat ID 换成你自己的群聊 ID。

HTTP 请求节点的 Body 配置是重点。在 n8n 里，messages字段的值是一个表达式，里面用了JSON.stringify($json.data)。这里的$json.data是上一个节点返回的新闻数组。不同新闻 API 的字段名不一样，如果data字段不存在，你需要改成实际的字段名。比如 vvhan 的接口返回结构是{ code: 200, data: [...] }，所以$json.data能拿到数组。如果换成别的 API，先手动执行一次 Fetch Hot News 节点，看输出里数组挂在哪个字段下。

电报节点的parse_mode设成Markdown，这样 AI 输出的**加粗**和[链接](url)能正常渲染。但要注意，如果 AI 输出的内容里包含 Markdown 特殊字符（比如_或*），电报可能会解析失败。你可以在 AI 提示词里加一句“不要使用下划线，链接用 Markdown 格式”，减少解析错误。

如果你用的是 Claude Code 或者 Cline 这类工具来管理配置，可以把 Base URL、Key、Model ID 写进settings.json或者auth.json。比如 Claude Code 的配置文件里，ANTHROPIC_BASE_URL填https://taotoken.net/api，ANTHROPIC_API_KEY填你的 Key，ANTHROPIC_MODEL填模型 ID。Cline 的 MCP 配置类似，在mcp_settings.json里指定baseUrl和apiKey。Codex 的auth.json则是{ "openai": { "baseURL": "https://taotoken.net/api/v1", "apiKey": "sk-xxx" } }。这三件套配好，工具就能直接走 TaoToken 的接口。

工作流 JSON 导入后，节点位置可能有点乱，你手动拖一下就行。重点是连线顺序：Schedule Trigger → Fetch Hot News → AI Summarize → Send to Telegram。少一条线，消息就发不出去。

4. 手动触发与定时验证：确认消息按时到达电报群聊

配好之后先别等定时，手动点一下“Execute Workflow”按钮，看整条链路能不能跑通。手动执行时，Schedule Trigger 节点会立即触发一次，不需要等到 Cron 时间。你观察每个节点的输出：Fetch Hot News 应该返回一个包含新闻数组的 JSON，AI Summarize 应该返回choices[0].message.content字段，里面是 Markdown 文本，Send to Telegram 应该返回ok: true。

如果 AI Summarize 节点报错reading 'choices'，说明接口返回的结构不对。可能是 Key 无效、模型 ID 写错、或者请求体格式有问题。你先在模型对话页面手动发一条请求，确认 Key 和模型能用。如果手动能用但 n8n 里报错，检查 HTTP 请求节点的 Headers 里有没有正确带上Authorization: Bearer sk-xxx。n8n 的 Header Auth Credential 有时候不会自动应用到所有请求，你可以在节点里手动加一个 Header。

如果电报节点报错chat not found，说明 Chat ID 不对。你先用浏览器访问https://api.telegram.org/bot<你的BotToken>/getUpdates，看返回的 JSON 里chat.id是多少。注意群聊的 ID 是负数，而且可能带-100前缀。把正确的 ID 填回节点，再执行一次。

手动跑通之后，把工作流右上角的“Active”开关打开。这时候 Schedule Trigger 才会按 Cron 表达式定时执行。你可以把 Cron 改成*/5 * * * *，让它每 5 分钟跑一次，观察几次执行记录。在 n8n 的“Executions”页面能看到每次执行的状态、耗时和输出。确认连续三次都成功之后，再把 Cron 改回每天一次。

时区问题再强调一遍。n8n 的工作流设置里有个“Timezone”选项，默认是America/New_York或者 UTC。你把它改成Asia/Shanghai，然后 Cron 表达式写30 8 * * *，就是北京时间每天早上 8:30 执行。如果不改时区，写30 0 * * *也能达到同样效果，但容易把自己绕晕。我建议统一用Asia/Shanghai，Cron 表达式按本地时间写。

验证消息到达群聊时，注意电报机器人有没有被限制发言。有些群组开启了“仅管理员可发言”，你的机器人如果不是管理员，消息会被静默丢弃。你可以在群组设置里把机器人设为管理员，或者关闭发言限制。另外，电报对消息长度有限制，单条消息最多 4096 个字符。如果 AI 输出的摘要太长，电报节点会报错message is too long。你可以在 AI 提示词里限制“总字数不超过 2000 字”，或者在电报节点前加一个 Code 节点截断文本。

如果你想让验证更直观，可以在 AI Summarize 节点后面加一个“NoOp”节点，把choices[0].message.content打印到 n8n 的日志里。这样即使电报发送失败，你也能看到 AI 到底生成了什么内容。我踩过的坑是：AI 返回了内容，但电报节点因为 Markdown 解析失败而报错，日志里只显示Bad Request: can't parse entities。后来我在提示词里明确要求“不要使用 Markdown 特殊字符”，问题就解决了。

定时验证通过后，你可以把执行记录保留一段时间，观察有没有偶发失败。n8n 默认保留最近 100 次执行记录，够用了。如果发现某天没收到推送，先看 Executions 页面有没有报错，再看电报群聊的机器人是否还在群里。有时候群主会把机器人踢掉，你重新拉进去就行。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth 报错对照

报错一：401 Unauthorized。这是最常见的，说明 API Key 无效或者没带上。你先检查 n8n 的 Header Auth Credential 里 Value 是不是Bearer sk-xxx，注意Bearer和 Key 之间有一个空格。然后检查 HTTP 请求节点有没有选中这个 Credential。如果都对了还是 401，去控制台看看 Key 是不是被删了或者余额不足。TaoToken 的 Key 在 API Keys 页面能看状态，过期或禁用的 Key 会标红。

报错二：local proxy failed或者ECONNREFUSED。这个报错通常出现在你本地跑 n8n、又配了系统代理的情况下。n8n 的 HTTP 请求节点会继承环境变量里的HTTP_PROXY和HTTPS_PROXY，如果代理地址不通，就会报这个错。解决办法是在 n8n 的启动命令里加--no-proxy，或者把环境变量里的代理清掉。如果你用的是 Docker，在docker run时加-e NO_PROXY=taotoken.net，让 n8n 直连 TaoToken 的接口。

报错三：Cannot read properties of undefined (reading 'choices')。这说明 AI Summarize 节点拿到的响应里没有choices字段。可能原因有三个：请求体格式不对、模型 ID 不存在、接口返回了错误信息。你先在 n8n 里点开 AI Summarize 节点的输出，看完整的 JSON 是什么。如果返回的是{ error: { message: "model not found" } }，那就是模型 ID 写错了。如果返回的是{ error: { message: "invalid api key" } }，那就是 Key 问题。如果返回的是空对象，可能是请求体里的messages表达式没解析成功，你检查一下JSON.stringify有没有漏掉。

报错四：OAuth相关错误。n8n 的电报节点支持两种认证方式：Bot Token 和 OAuth。如果你选错了认证类型，会报OAuth token is missing。正确做法是在 Telegram Credential 里选“Bot Token”，填 BotFather 给你的 Token。不要选 OAuth，那个是给用户账号用的，配置复杂且容易过期。

报错五：Bad Request: message is too long。电报单条消息限制 4096 字符，AI 生成的摘要如果超过这个长度，发送就会失败。你可以在 AI 提示词里加“总字数控制在 1500 字以内”，或者在电报节点前加一个 Code 节点，用text.slice(0, 4000)截断。截断后记得加省略号，不然用户不知道内容被剪了。

报错六：Forbidden: bot was blocked by the user。这个报错说明机器人被群成员拉黑了，或者机器人不在群里。你重新把机器人拉进群聊，或者让群管理员解除限制。电报机器人如果被多个用户举报，可能会被限制发言，这种情况只能换一个机器人。

报错七：ETIMEDOUT或ESOCKETTIMEDOUT。这是网络超时，通常是因为新闻 API 或者 TaoToken 接口响应太慢。你可以在 HTTP 请求节点的 Options 里把 Timeout 调到 30000 毫秒（30 秒）。如果还是超时，检查 n8n 服务器的网络出口是否稳定。我实测下来，TaoToken 的接口响应一般在 2 到 5 秒，新闻 API 偶尔会慢到 10 秒，所以 30 秒的超时设置比较稳妥。

排查顺序建议：先看 n8n 的 Executions 页面，找到报错的那次执行，点进去看每个节点的输入输出。错误信息通常在节点的“Error”标签页里。然后根据报错关键词对照上面的列表。如果报错信息不明确，把 HTTP 请求节点的“Response”选项里的“Include Response Headers and Status”打开，这样能看到完整的 HTTP 状态码和响应头。

6. 语义一致 CTA：从模型对话到 Coding Plan 的接入路径

整条工作流跑通之后，你可能会想调整模型、换新闻源、或者加更多推送渠道。这些扩展都建立在同一个基础上：TaoToken 的统一 Key 和 Base URL。你不需要为每个模型单独申请账号，也不用改代码里的接口地址。想验证模型效果，直接打开模型对话页面 https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite ，输入一段新闻文本，看摘要质量是否符合预期。觉得满意了，再把模型 ID 填回 n8n 的 HTTP 请求节点。

如果你打算把这个工作流长期跑下去，每天定时调用、token 消耗稳定，那 Coding Plan 比按量计费更划算。入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite ，开通后额度更充裕，不用担心某天新闻特别多导致 token 超支。我自己的用法是：轻量摘要用gpt-4o-mini，深度分析用claude-sonnet，两个模型共用同一个 Key，切换时只改 Model ID 字段。

Key 的管理在控制台 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite ，你可以创建多个 Key 分配给不同的工作流，方便追踪消耗。比如新闻推送用一个 Key，代码辅助用另一个 Key。API Keys 页面能看到每个 Key 的最近使用时间和调用量，如果某个 Key 突然消耗暴涨，你能快速定位是哪个工作流出了问题。

接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite ，里面列出了所有支持的模型 ID、接口路径、请求参数和返回格式。你在 n8n 里配 HTTP 请求节点时，如果拿不准 Body 怎么写，直接对照文档里的 curl 示例改。文档里还有 Python 和 Node.js 的调用示例，你可以复制到 Code 节点里做数据预处理。

最后说一个实用技巧：在 n8n 的工作流里加一个“Error Trigger”节点，当任何节点报错时，自动发一条电报消息到你的私聊。这样即使群聊推送失败，你也能第一时间知道。Error Trigger 的配置很简单，新建一个工作流，触发器选“Error Trigger”，然后接一个电报节点，Chat ID 填你自己的用户 ID。把这个错误处理工作流设为 Active，它就会监听主工作流的执行状态。主工作流报错时，你会收到一条包含错误详情的电报消息，不用每次都去 n8n 后台翻日志。